Skip to content
No description, website, or topics provided.
Jupyter Notebook
Branch: master
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
.ipynb_checkpoints
Data
.gitignore
01_Familiarisation des données.ipynb
02_Détection des erreurs.ipynb
README.md

README.md

Contexte

L'avancée technologique nous permet aujourd'hui de modéliser à travers des détecteurs la position d'un appareil mobile (e.g. persone, avion, voiture etc). La récolte de ses données nous permet certes d'avoir une vision globable de sa trajectoire, mais il arrive qu'il y ait des erreurs de détection.

En notre possession se trouve un jeu de données de la forme suivante :

#Trajectory	Time	X	Y	Z
1	00:00:00	-402	-131	20
1	00:00:01	-403	-131	20
1	00:00:02	-404	-131	20
1	00:00:03	-405	-131	20
1	00:00:03	-405	-130	20
1	00:00:04	-405	-129	20
1	00:00:05	-405	-125	20
...

Il présente respectivement les identifiants de différentes trajectoires, et leurs coordonnées (x,y,z) géographique et temporelle. Se référer à ce lien pour plus d'informations.
Elles peuvent être erronées, ou sans erreur : celles qui sont erronées sont distinguées par la présentation de nombreux points autour d'une même zone.

Ce type de trajectoire ne devrait être présent et utilisé à l'échelle des entreprises. L'objectif est donc de pouvoir detecter ces trajectoires dites erronées, pour ainsi les nettoyer.

Déroulement

Une première étape sera de comprendre ces jeu de données, en utilisant le python (plus précisément la librairie matplotlib, outil de visualisation de donnée), et de se famliariser avec les différentes librairies mises en oeuvre.

Dans un deuxième temps, une tentative de détection de données errornées se réalisera, en s'inspirant de celles qui ne le sont pas, et qui serviront de référence.

Ce n'est que par la suite que la correction des trajectoires erronées va être mise en place.

Travaux réalisés/en cours

Connaissance des jeux de données et des différentes libraries Python (Pandas et Matplotlib)
Mise en place d'hypothèse de reconnaissances des trajectoires erronées

Dates

Dates Tâches
05/02 > 09/02 Choix des librairies et outils graphiques
12/02 > 28/02 Familiarisation de l'outil graphique et jeux de données (Python)
21/02 > 19/03 Mise en place d'une regle de référence/Détection d'erreurs sur une partie du jeu de donénes(Python)
19/03 > 02/04 Portage du code Python vers Python Notebook
02/04 > 23/04 Test de détection sur la totalité du jeu données/améalioration
23/04 > 05/05 Mise en place d'un système de nettoyage
06/05 > ... Début des préparation orales du projet (poster...)
You can’t perform that action at this time.